Aspect-based Sentiment Analysis Pada Aplikasi Pelacakan Kasus Covid-19 (studi kasus: pedulilindungi.id)

Abstract

Berbagi pengalaman dan pendapat menjadi lebih mudah melaui internet dan media sosial. Pengguna dapat menunjukan sikap dan perasaan melalui layanan aplikasi yang disediakan. Sikap dan persaan seseorang dalam menggunakan aplikasi dapat dilihat melalui ulasan aplikasi pintar dalam bentuk informasi umpan balik secara daring. Salah satu aplikasi publik yang banyak disoroti pada masa wabah corona virus adalah aplikasi pedulilindungi. Aplikasi tersebut sebagai salah satu upaya untuk memonitor perkembangan CoronaVirus Disease (Covid-19) di Indonesia dan menjadi salah satu fenomena menarik untuk di kaji dalam memahami prilaku masyarakat Indonesia terhadap aplikasi pedulilindungi yang disebut Aspect-based sentiment. Ulasan yang diberikan oleh setiap pengguna aplikasi dapat digunakan untuk meningkatkan kualitas produk layanan dan memperkenalkan fitur baru. Penelitian bertujuan untuk mengetahui besarnya nilai sentimen pada layanan aplikasi pedulilindungi yang berfokus pada aspect based sentiment analysis (ABSA) pada domain ulasan aplikasi pemerintah. Aspect-based Sentiment Analysis (ABSA) ulasan aplikasi dengan fokus pada layanan aplikasi pintar yang dapat digunakan dalam analisis sentimen berbasis aspek termasuk antar muka pengguna, pengalaman pengguna, fungsionalitas dan kinerja keamanan. Adanya ulasan dapat membantu dalam memahami nilai baik dan buruk pada sebuah produk atau layanan. Metode yang digunakan meliputi klasifikasi sentimen dan aspek dengan perbandingan tiga metode deep learning (CNN, GRU, dan TCN). Data bersumber dari hasil ulasan aplikasi pedulilindungi yang dilakukan dengan cara teknik scraping pada situs https://www.pedulilindungi.id/. Hasil penelitian menunjukan bahwa terdapat enam aspek klasisifikasi sentimen pada aplikasi pedulilindungi yaitu aplikasi, user interface, user experience, kode OTP, cek sertifikat vaksin, dan bukti akses layanan. Kemudian hasil penelitian juga menunjukan dari metode yang digunakan bahwa metode CNN memperoleh nilai skor akurasi terbaik pada klasifikasi sentimen sebesar 0.98 dan klasifikasi aspek sebesar 0.97. Penelitian selanjutnya dapat mengkaji pada aspek yang lebih kompleks pada seuah aplikasi pelayanan publik atau dengan menggunakan metode yang lebih relevan terhadap objek kajian.